权利要求
1.一种铜合金表面拉丝质量检测方法,其特征在于,包括:
获取铜合金的高光谱反射率数据、四向偏振角度的线阵图像数据、以及表面三维点云数据;
对所述高光谱反射率数据、所述线阵图像数据以及所述表面三维点云数据进行多源缺陷特征协同分析,分别得到氧化缺陷标记图、划痕分布图及纹理异常图;
将所述氧化缺陷标记图、所述划痕分布图及所述纹理异常图输入至预训练的卷积神经网络中,所述卷积神经网络输出得到缺陷空间坐标;
根据所述缺陷空间坐标计算单位面积缺陷密度、最大缺陷面积以及最深处划痕深度,并根据所述单位面积缺陷密度、所述最大缺陷面积以及所述最深处划痕深度确定所述铜合金的表面拉丝质量。
2.根据权利要求1所述的一种铜合金表面拉丝质量检测方法,其特征在于,所述对所述高光谱反射率数据、所述线阵图像数据以及所述表面三维点云数据进行多源缺陷特征协同分析,分别得到氧化缺陷标记图、划痕分布图及纹理异常图包括:
对高光谱数据执行光谱角制图处理,提取610-630nm波段与850-870nm波段的强度比值K1,当K1<0.35时,生成氧化缺陷标记,得到氧化缺陷标记图;
基于斯托克斯矢量法计算偏振图像偏振度分布,通过ΔP=|Pea-Prer|/Prer×100%计算差异值,当ΔP>0.25时判定存在深度>5μm的机械划痕,得到划痕分布图;
将三维点云转换为高度梯度矩阵,计算0.1mm2邻域内高度标准差σ,当σ>1.2μm时,标记纹理异常区域,得到纹理异常图。
3.根据权利要求1所述的一种铜合金表面拉丝质量检测方法,其特征在于,所述将所述氧化缺陷标记图、所述划痕分布图及所述纹理异常图输入至预训练的卷积神经网络中,所述卷积神经网络输出得到缺陷空间坐标包括:
通过7×7卷积核分支处理氧化缺陷标记图,得到第一特征;
通过5×5卷积核分支处理划痕分布图,得到第二特征;
通过3×3卷积核分支处理纹理异常图,得到第三特征;
在特征融合层整合第一特征、第二特征以及第三特征,并经全连接层生成缺陷分类结果及置信度评估,当置信度>90%时输出缺陷空间坐标映射。
4.根据权利要求1
声明:
“铜合金表面拉丝质量检测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)